图神经网络与飞浆PGL学习心得

最新推荐文章于 2023-05-07 22:21:03 发布
最新推荐文章于 2023-05-07 22:21:03 发布
阅读量389 收藏 3
点赞数
文章标签： 深度学习 算法 神经网络 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ws653729814/article/details/110295959
版权
本文介绍了图网络的基础知识，包括图的定义及其在不同场景的应用。重点讲解了图游走算法如DeepWalk、node2vec、metapath2vec以及它们的改进。接着，探讨了图神经网络，如GCN和GAT的工作原理，以及GraphSAGE和PinSAGE的邻居采样策略。这些算法在节点分类、推荐系统等领域有广泛应用。
摘要由CSDN通过智能技术生成

图神经网络与飞浆PGL学习心得

一、 图网络基础

图的定义： G=（V，E）
图数据的组成包含节点和边

eg:
社交网络 节点：人 边：关系
推荐系统 节点：人和商品 边：购买等行为

图数据与一般数据的区别： 图数据是非欧数据，常规数据如图像，文本，语音都是欧氏空间内的规则数据 一般的深度学习适用于处理欧式数据 图学习可以方便地处理图式数据，同样也可以处理欧式数据

应用： Node Level：节点分类，目标检测，… Link Level：商品推荐,… Graph Level：气味识别,…

图学习算法分类： 1.图游走类算法 2.图神经网络 3.知识图谱嵌入

在这里插入图片描述
在这里插入图片描述

二、 图游走算法

基于图的类型主要介绍两种图游走算法

目标：得到图中节点的Node embedding 用于处理下游任务

1. DeepWalk

DeepWalk 将 NLP 领域的 Word2vec 模型引入到图论中来。 将图中的节点视为 NLP 中的单词，将节点的序列视为 NL

最低0.47元/天 解锁文章
GeekMosou
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
PGL：桨图学习（PGL）是基于PaddlePaddle的高效灵活的图学习框架
02-28
| | 爆炸新闻 ！！ PGL v2.1 20210202 现在，我们支持PaddlePaddle 2.0的dygraph版本，并发布了PGL v2.1。 您可以在分支“ static_stable”中找到稳定的PGL staic版本。 PGL v1.2 2020.11.20 PGL的团队提出了一个新的统一田间中号essage P assing模型（UniMP），取得了艺术的状态上的OGB排行榜三项任务。 您可以在找到代码。 PGL的团队提出了一种基于ERNIEsage两个阶段的回忆和排名模型，并在获得第一名的通过COLING竞争协办。 PGL团队努力开发Graph Neural Network（GNN）的开放课程，这将帮助您在7天内开始使用Graph Neural Network。 可以在找到详细信息。 PGL v1.1 2020.4.29 你可以找到ERNIESage
图神经网络（PGL）7日打卡营学习心得
cgq081616的专栏
11-29 296
百度图神经网络学习地址：https://aistudio.baidu.com/aistudio/education/group/info/1956 PGL算法地址：https://github.com/PaddlePaddle/PGL 一、图学习应用有哪些： 二、图游走类型模型有哪些 1、Deepwalk 采样 对于给定的节点，DeepWalk会等概率的选取下一个相邻节点加入路径，直至达到最大路径长度，或者没有下一个节点可选。 因此, 假如我们想要得到一条walk, 我们需要输入一个
PGL图学习
weixin_41741485的博客
11-24 1825
图学习初印象什么是图什么是图学习图学习的应用图学习如何做图学习库简介PGL使用环境安装使用PGL来创建一张图 什么是图 图的两个基本元素：点、边 图是一种同意描述复杂事物的语言 常见的图：社交网络、推荐系统、化学分子结构… 什么是图学习 图学习：Graph Learning。深度学习中的一个子领域，强调处理的数据对象为图。 与一般深度学习的区别：能够方便处理不规则数据（树、图），同时也可以处理规则数据（如图像）。 图学习的应用 三大类应用： 节点级别任务：金融诈骗检测（典型的节点分类）、自动驾驶中
关于图计算&图学习的基础知识概览：前置知识点学习（PGL）[系列一]
m0_63642362的博客
11-13 1126
本项目对图基本概念、关键技术（表示方法、存储方式、经典算法），应用等都进行详细讲解，并在最后用程序实现各类算法方便大家更好的理解。当然之后所有图计算相关都是为了知识图谱构建的前置条件
图与图学习基础学习_PGL基础
un_lock的博客
01-11 721
PGL系列前置教程：图与图学习 图（graph）近来正逐渐变成机器学习的一大核心领域，在开始PGL框架学习之前，我们先简单学习一下图论的基本概念，图论的经典算法，以及近些年来图学习的发展。 本案例将包含以下内容： 一. 图是什么？ 二. 如何存储图？ 三. 图的类型和性质 四. 主要的图算法 五. 图机器学习的发展 一. 图是什么？ 首先我们导入需要的包 import numpy as np import random import networkx as nx from IPython.display
(PGL)是一个基于PaddlePaddle的高效易用的图学习框架.rar
05-22
PGL采用与DGL相似的消息传递范式用于作为构建图神经网络的接口。用于只需要简单的编写send还有recv函数就能够轻松的实现一个简单的GCN网络。如下图所示，首先，send函数被定义在节点之间的边上，用户自定义send函数...
pgl-readthedocs-io-en-latest.pdf
11-28
1. 带领初学者入门图学习 2. 学会图领域相关的经典算法：DeepWalk、node2vec、GCN、GAT、GraphSage 3. 了解图神经网络领域的前沿研究方向，掌握部分进阶 GNN 模型
PGL50G-484原理图参考设计
最新发布
03-27
根据提供的标题、描述以及部分文档内容，我们可以提炼出与“PGL50G-484原理图参考设计”相关的几个关键知识点。 ### 一、PGL50G-484芯片概述 PGL50G-484是一款高性能的现场可编程门阵列（Field-Programmable Gate ...
国产FPGA紫光同创PGL25GMBG324原理图元器件封装
08-19
单个器件 仅原理图封装 使用需核对引脚
5-3+基于图神经网络的知识图谱表示.pdf
03-18
图学习融合知识图谱可以通过图神经网络学习实体和关系的表示，然后融合到知识图谱中。图结构经典算法可以通过聚合邻居节点的信息来表示中心节点。 ERNIESage是基于知识的图语义算法框架， Node 建模方式是通过 ...
百度飞桨图神经网络PGL全新升级
qq_40247584的博客
05-06 2134
在2019年深度学习开发者秋季峰会上，百度对外发布飞桨图学习框架PGL v1.0正式版，历经5个月的版本迭代，PGL再度升级，发布v1.1版本，带来了最新的算法突破、全面的工业级图学习框架能力以及工业级的实践案例。下面我们逐一揭秘升级点。 最新算法突破 结合语义与结构信息的图神经网络模型ERNIESag 在很多工业应用中，往往出现如下图所示的一种特殊的图：Text Graph。顾...
百度李伟彬：基于PGL的图神经网络基线系统
读芯术的博客
06-06 1655
不到现场，照样看最干货的学术报告！嗨，大家好。这里是学术报告专栏，读芯术小编不定期挑选并亲自跑会，为大家奉献科技领域最优秀的学术报告，为同学们记录报告干货，并想方设法搞到一手的PPT和现...
ERNIE加持，飞桨图神经网络PGL全新升级
百度大脑
04-29 2121
在2019年深度学习开发者秋季峰会上，百度对外发布飞桨图学习框架PGL v1.0正式版，历经5个月的版本迭代，PGL再度升级，发布v1.1版本，带来了最新的算法突破、全面的工业级图学习框...
百度PGL图神经网络7日打卡营Task3：GCN+GAT
zpc1219的博客
11-29 1842
第三课：图神经网络算法（一） 本次作业内容：实现GCN模型和GAT 模型的send和recv 函数。 # 安装依赖 # !pip install paddlepaddle==1.8.5 !pip install pgl -q 1. GCN模型 paddle官网查看相关API的用法。 注：这里我们给出的是简化版本的 GCN 模型，完整的 GCN 代码可查看: https://github.com/PaddlePaddle/PGL/blob/main/pgl/layers/conv.py#L27 GCN部分原
飞桨常规赛：图神经网络入门节点分类-七月第7名方案
m0_63642362的博客
11-10 415
百度飞桨比赛：https://aistudio.baidu.com/aistudio/competition/detail/59 ；七月第七名，本项目基于paddle 2.1.0 和 PGL 实现。
PGL 图神经网络中实现图的可视化
znsoft的专栏
02-14 508
import dgl import networkx as nx import matplotlib.pyplot as plt nx.draw(g.cpu().to_networkx(), with_labels=True) #　将图转为networks 结构 , 用Matplotlib绘制图形g plt.show() plt.savefig("./test.jpg") ＃保存到服务器上，打开看。远程时比较有用。如果是本地运行，请注释掉本句。 ...
学习周报_5_7
chocochato的博客
05-07 456
本周的学习内容包括两个方面，一个是看了一篇GAT的论文；一个是在kaggle那个项目上继续学习了数学建模的知识。通过看GAT这篇论文，了解了引入注意力机制通过动态地计算节点之间的权重来处理节点之间关系。然后在数据建模方面，主要上手学习了pandas数据处理的一些函数和方法。相比传统的GNN模型，GAT有优点也有缺点，它模型采用自注意力机制和多头注意力机制，具有更好的表达能力和可扩展性，同时还具有更高的灵活性和局部性，可以更好地应对不同的图数据应用场景和问题。
图上的机器学习系列- 聊聊MetaPath2vec
a_step_further的博客
04-14 1882
前言 本篇继续Graph Embedding这个话题。我们以前已经聊过DeepWalk、Node2Vec、LINE、GraphSAGE（详见公众号历史文章），它们都是面对的同质图问题，而今天将讨论的MetaPath2Vec则是要回答**如何对于异质图也能进行低维的空间向量表示**。 结合的论文为《metapath2vec: Scalable Representation Learning f...
学习metapath2vec
qq_35674954的博客
07-25 3009
对于论文metapath2vec: Scalable Representation Learning for Heterogeneous Networks 在自己的理解和另一位博主的介绍下https://blog.csdn.net/hy_jz/article/details/78877483 感觉要弄懂首先要弄明白几个基本模型，术语，方法等，如下： 1.skip-gram(word2evc)...
PGL 1.0.1：PaddlePaddle图学习框架，涵盖深度学习与分布式算法
- **图神经网络（GNN）**：新版本的PGL扩展了对异构图学习的支持，允许在不同类型的节点之间建立关系，并利用MetaPath采样和消息传递机制。这使得用户能够探索复杂网络中的模式和结构。 4. **分布式能力**: - PGL...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值